去年秋天,谷歌推出了一款实验性的Windows桌面应用,ZDNET的Lance Whitney曾将其称为"你的下一个生产力利器"。如今,这款应用已向所有Windows用户正式开放。在体验了一个上午之后,我可以告诉你,它值得一试。
从本质上看,这款应用只是一种更快捷地访问Gemini、Lens和搜索等工具的方式。但这并不意味着它不实用。
只需按下Alt-Space,谷歌桌面应用便会弹出,比打开浏览器搜索更快,甚至比新建一个标签页还要迅速。一个悬浮窗口会叠加在你当前工作的界面上,你甚至不需要点击它,直接开始输入即可。即使这款应用只有搜索功能,光凭这一点也已足够让人下载,因为它用起来实在太快、太方便了。
当然,它能做的远不止这些。
这款应用可以连接你的Gmail、Google Drive以及其他谷歌产品。我从一些基础问题开始尝试,它轻松处理了多个关于邮件文档和信息的查询。比如我问:"我昨晚看黄蜂队比赛时坐的是哪个位置?"它迅速回复了我所在的区域、排数和座位号。
我又问:"我儿子学校的'爸爸吃甜甜圈'活动是什么时候?"它不仅回复了日期、时间和地点,还提到我已回复确认出席。它不仅能从邮件正文中找到信息,还能读取附件中的PDF内容。
这些信息虽然不难找到,但借助这款应用,我找到答案的速度比自己在邮箱里翻找快多了。
Lens功能同样很实用。点击后,你可以框选屏幕上的任意区域,进而搜索图片、提取图中的文字、查找商品的购买渠道等。我尝试从一张文档照片中提取文字,它顺利识别了数十行内容,随后我便可以将其粘贴到其他地方。
你还可以共享屏幕来进一步了解某些内容。有一次,我在帮儿子做数学作业(作为一名新闻专业出身的人,数学从来不是我的强项),不记得如何将分数转换为小数,也不记得好几个小学阶段的数学步骤。我将他的作业打开在浏览器中,通过屏幕共享功能请应用帮我解释解题过程,但不要直接给出答案。
照片整合功能表现也不错。我让它找出最近拍的我和表弟的合照(他已被收录在我的谷歌相册人物库中),它成功识别出了我昨晚在球赛上拍的几张照片。
此外,这款应用还可以帮你查找电脑上的文件。根据我的使用体验,它暂时无法处理"帮我找刚下载的那个PDF"或"找一下我孩子郊游的许可单表格"这类模糊描述的请求,但如果你直接输入文件名,底部就会显示出对应结果。虽然前者的能力如果能实现会更好,但只要你知道文件名,这仍然是一种快速定位文件位置的便捷方式。
不过,它并非万能——和所有AI工具一样,它有时也会出错。
我让它列出我保存在Drive中那份巧克力曲奇饼干食谱的配料。然而,它给出的配料明显不是我Drive里存的那份,我专门返回确认了一遍。我纠正它后,说明我要找的是一个Word文档,它声称找到了,但列出的配料依然完全不对。最后,当我直接输入"在Drive里找我的巧克力曲奇饼干食谱"时,它立刻就找到了,只是我需要自己点进去查看配料。
总体来说,谷歌桌面应用并没有带来全新的功能,但它让你能够更快速地使用谷歌旗下的各种工具。仅凭极速的搜索体验,这款应用就已值得一试,而你可能还会不断发现它更多的用途。
Q&A
Q1:谷歌Windows桌面应用如何快速启动?
A:只需按下快捷键Alt-Space,一个悬浮窗口就会即时叠加在你当前操作的界面上,无需打开浏览器或新建标签页,直接开始输入即可。这种启动方式比传统搜索更快捷,是该应用最突出的体验优势之一。
Q2:谷歌桌面应用能连接Gmail和Drive查找信息吗?
A:可以。谷歌桌面应用支持连接Gmail、Google Drive及其他谷歌产品,可以快速查询邮件内容、附件PDF中的信息,以及Drive中存储的文件。例如,你可以直接用自然语言询问某封邮件的内容或某个活动的时间安排,应用会直接给出答案。
Q3:谷歌桌面应用的Lens功能有什么用?
A:Lens功能允许你框选屏幕上的任意区域,然后对所选内容进行图片搜索、文字提取、商品查找等操作。例如,可以从文档截图中批量识别并复制文字,方便快捷,无需手动输入。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。